Le service Azure Machine Learning contient de nombreuses fonctionnalités avancées conçues pour simplifier et accélérer le processus de création, de formation et de déploiement de modèles d'apprentissage automatique. L'apprentissage automatique des machines permet aux scientifiques de tous les niveaux de compétences d'identifier plus rapidement les algorithmes et les hyperparamètres appropriés, souligne Microsoft qui annonce la disponibilité générale du service.

Azure Machine Learning prend en charge des frameworks open source populaires tels que PyTorch, TensorFlow et scikit-learn et permet ainsi aux scientifiques de données d'utiliser les outils de leur choix.

Microsoft indique que pour simplifier et accélérer l'apprentissage automatique, Azure Machine Learning a été construit sur les principes de conception suivants

• Permettre aux scientifiques de données d'utiliser un ensemble riche et familier d'outils de science des données
• Simplifier l'utilisation des structures populaires d'apprentissage par machine et d'apprentissage en profondeur
• Accélérer le retour sur investissement en offrant des fonctionnalités de cycle de vie d'apprentissage machine de bout en bout

Les scientifiques de données s'attendent à utiliser tout l'écosystème Python,bibliothèques et frameworks, ainsi qu'avoir la possibilité de former leurs modèles localement sur leur ordinateur portable ou leur station de travail. Le service Azure Machine Learning a été conçu pour prendre en charge tous ces problèmes. Son SDK Python est accessible à partir de n’importe quel environnement Python, d’EDI comme Code Visual Studio (Code VS) ou PyCharm, ou de blocs-notes tels que Jupyter et Azure Databricks.

Les ordinateurs portables Jupyter

Ils constituent un environnement de développement populaire pour les scientifiques travaillant en Python. Le service Azure Machine Learning fournit une prise en charge des ordinateurs portables locaux et hébergés (tels qu'Azure Notebooks), ainsi que des widgets intégrés permettant aux experts en données de surveiller visuellement l'avancement des travaux de formation en temps réel, comme illustré dans l'image ci-dessous. 

Visual Studio Code 

Visual Studio Code s'exécute sur votre bureau et est disponible pour Windows, macOS et Linux. L'extension Python pour Visual Studio Code combine la puissance des ordinateurs portables Jupyter avec la puissance du code Visual Studio. Cela permet d’expérimenter de manière incrémentielle dans un «style bloc-notes» tout en bénéficiant de toute la productivité que Visual Code Code offre, tels que IntelliSense, le débogueur intégré et Live Share, comme le montre l’illustration ci-dessous.

Entrainement et formation des modèles

Le service Azure Machine Learning fournit des fonctionnalités de calcul distribuées transparentes qui permettent aux scientifiques de données d’étendre la formation des modèles de leur ordinateur portable ou station de travail local au cloud. Le calcul est à la demande. Les utilisateurs paient uniquement pour le temps de calcul et n'ont pas à gérer et à entretenir des grappes de GPU et de CPU.